[发明专利]一种多光谱图像的渐变融合模型建立方法及融合方法

权利要求书

1.一种多光谱图像的渐变融合模型建立方法，其特征在于，至少包括如下步骤：

步骤S10，构建一基于深度可分离卷积的光照感知子网络，采用预定数量的白天场景与夜间场景的可见光图片对其进行训练，获得训练好的光照感知子网络；

步骤S11，构建一基于深度保分离卷积的渐变融合模型，并建立训练集；所述渐变融合模型至少包括两个特征提取模块、特征互补模块以图像重构模块；所述训练集包括多组图片对，每一组图片对包括同一位置拍摄的红外光图片、可见光图片；

步骤S12，将训练集中的每组图片对输入所述渐变融合模型，获得融合图像，将所述图片对中的可见光图片输入至所述训练好的光照感知子网络，获得本次可见光贡献值与红外光贡献值；

步骤S13，计算所述渐变融合模型对应的辅助强度损失值、纹理损失值，并根据所述本次可见光贡献值与红外光贡献值计算光照损失值；

步骤S14，根据所述辅助强度损失值、纹理损失值和光照损失值进行加权处理，获得综合损失值，依据所述损失值调整所述渐变融合模型中各模块的参数；

步骤S15，采用所述训练集继续对所述渐变融合模型进行训练，直到所述综合损失值收敛，获得训练好的渐变融合模型。

2.如权利要求1所述的方法，其特征在于，所述步骤S10进一步包括：

构建一基于深度可分离卷积的光照感知子网络；

选取MSRS数据集中预定张白天场景图像和预定张夜间场景图像训练光照感知子网络；

获取每一图像对应的光照概率；

{P_d,P_n}＝N_IA(I_vi)

其中，N_IA为光照感知子网络，P_d以及P_n分别为可见光图像属于白天和黑夜的概率；P_d以及P_n的和为1；

采用如下的交叉熵损失函数来约束光照感知子网络的训练过程：

L_IAN＝-zlogσ(y)-(1-z)log(1-σ(y))

其中z表示输入图像的照明标签，y＝[P_n,P_d]代表光照感知子网络的输出，σ为softmax函数，用于将光照概率归一化到[0,1]的区间内。

3.如权利要求2所述的方法，其特征在于，所述步骤S11进一步包括：

将MSRS数据集中的图片进行裁剪，形成第二格式的小图片对，并设置步幅；

利用其中小图片对输入渐进融合网络，让渐进融合网络学习模型参数，所有的成对小图片进入网络前先都归一化为[0,1]，使用独热编码作为光照感知子网络的参考，设置白天场景和夜间场景的标签分别为二维向量[1,0]和[0,1]。